课程介绍
ADL4CV，全称是 Advanced Deep Learning for Computer vision (ADL4CV)，是慕尼黑工大讲授的计算机视觉方向进阶课程，覆盖深度学习计算机视觉基础之上的进阶深度内容，包括：神经网络可解释性、相似度与度量学习、自注意力与transformer、图神经网络、生成模型与GAN、无监督学习、视频处理、迁移学习等。
课程主要面向深度学习计算机视觉进阶内容，有深度学习和计算机视觉基础的同学可以通过本课程进阶，学习到更深入的CV研究方向和内容。
课程讲师 Laura Leal-Taixé，慕尼黑工业大学的终身教授，Dynamic Vision and Learning Group 负责人。
课程讲师 Matthias Niessner，慕尼黑工业大学教授，视觉计算实验室 (Visual Computing Lab) 的负责人。曾任斯坦福大学的访问助理教授。
课程主题
课程官网发布了课程主题，ShowMeAI 对其进行了翻译。
- Introduction to the course and projects（课程与项目介绍）
- Neural network visualization and interpretability（神经网络可视化与可解释性）
- Similarity Learning（相似度与度量学习）
- Attention and transformers（注意力与transformer）
- Graph neural networks（图神经网络）
- Autoencoders & VAE（自编码器与VAE）
- Generative models I（生成模型与GAN I）
- Generative models II（生成模型与GAN II）
- Videos, autoregressive models, multi-dimensionality（视频处理、自回归模型、高维）
- Domain Adaptation and Transfer Learning（自适应与迁移学习）
课程资料 | 下载
 |
扫描上方图片二维码，关注公众号并回复关键字 🎯『ADL4CV』，就可以获取整理完整的资料合辑啦！当然也可以点击 🎯 这里 查看更多课程的资料获取方式！
由于疫情影响，慕尼黑工业大学的最新课程《Advanced Deep Learning for Computer Vision》是网上授课模式，课程对应的资料和视频也公开放出。ShowMeAI 对课程资料进行了梳理，整理成这份完备且清晰的资料包：
- 课程公开资料为第1章~第10章的 📚『课件/Slides』，制作得非常专业和用心，如下图所示。注意！官方未公布第4章、第5章的课件~
课程视频 | B站
ShowMeAI 将视频上传至B站，并增加了中英双语字幕，以提供更加友好的学习体验。点击页面视频，可以进行预览。推荐前往 👆 B站 观看完整课程视频哦！
本门课程，ShowMeAI 将部分章节进行了切分，按照主题形成更短小的视频片段，便于按照标题进行更快速的检索。切分后的视频清单列写在这里：
| 序号 | 视频清单 |
|---|---|
| L1 | 深度学习计算机视觉介绍 |
| L2 | 可视化与模型可解释性 |
| L3 | 孪生网络与相似度学习 |
| L4 | 自编码器,VAE和视觉风格迁移 |
| L5 | 图神经网络与注意力机制 |
| L6 | 生成对抗网络(上) |
| L7 | 生成对抗网络(下) |
| L8 | 视频处理与回归建模 |
| L9 | 神经网络图像与视频渲染 |
| L10 | 高维数据深度学习 |
根据视频内容整理的这份『ADL4CV课程结构图解』，展示了内容要点及其逻辑关系，超级直观！相信对构建 Whole Picture 特别有帮助~
学习建议
课程学习具有以下知识基础：
- 深度学习导论（I2DL）
- 良好的数学背景：线性代数和微积分
- 必须具备Python的相关知识
- 强烈建议您具备Pytork的相关知识
更多技术与课程清单 | 点击查看详细课程
